CN106845771A - 一种基于前期雨量优选参数的洪水预报方法 - Google Patents
一种基于前期雨量优选参数的洪水预报方法 Download PDFInfo
- Publication number
- CN106845771A CN106845771A CN201611170777.8A CN201611170777A CN106845771A CN 106845771 A CN106845771 A CN 106845771A CN 201611170777 A CN201611170777 A CN 201611170777A CN 106845771 A CN106845771 A CN 106845771A
- Authority
- CN
- China
- Prior art keywords
- flood
- rainfall
- parameter
- historical
- forecasting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013277 forecasting method Methods 0.000 title claims abstract description 6
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000013459 approach Methods 0.000 claims abstract description 23
- 206010020751 Hypersensitivity Diseases 0.000 claims abstract description 13
- 208000026935 allergic disease Diseases 0.000 claims abstract description 13
- 230000009610 hypersensitivity Effects 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 238000006424 Flood reaction Methods 0.000 claims abstract description 8
- 230000031877 prophase Effects 0.000 claims abstract description 7
- 241000208340 Araliaceae Species 0.000 claims description 5
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 5
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 5
- 235000008434 ginseng Nutrition 0.000 claims description 5
- 230000020509 sex determination Effects 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010206 sensitivity analysis Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于前期雨量优选参数的洪水预报方法，属于洪水预报技术领域，该方法包括：统计出预报区内所有场次历史洪水发生前预报区内前的前期降雨量值；再将历史洪水分为汛期组和非汛期组，对预报区进行洪水预报模型构建；对每场历史洪水进行单场参数率定，得到每场洪水的一套参数；再对汛期和非汛期两组场次洪水分别进行连续参数率定，得到两套参数，并将每套参数分为高敏感性和低敏感性两类参数；实时监测并记录逐日降雨数据，并统计此次降雨的前期降雨量；计算本次降雨的前期降雨量与历史洪水前期降雨量的贴近度，将贴近度最小值作为客观因素指标构建的洪水预报模型进行洪水预报。本方法提高了水文模型在洪水预报应用中的准确性和实用性。
Description
技术领域
本发明属于洪水预报技术领域，更具体地，涉及利用前期雨量优选洪水预报模型中参数的方法。
背景技术
人们在研究自然界水文现象时，将复杂水文现象加以概化，忽略次要的与随机的因素，保留主要因素和基本规律的部分，建立的具有一定物理意义的数学物理模型，即是水文模型。水文模型是对水文现象的物理和逻辑过程的概化。在目前的洪水预报技术中都离不开水文模型的运用，所有的水文模型，包括新安江模型、TOPMODEL、HEC-HMS模型、TANK模型、萨克拉门托模型等，每个模型都有自己一套参数，在实际应用中都需要依靠实测资料来对模型的参数进行率定(参数率定就是先假定一组参数,代入模型得到计算结果,然后把计算结果与实测数据进行比较,若计算值与实测值相差不大,则把此时的参数作为模型的参数；若计算值与实测值相差较大,则调整参数代入模型重新计算,再进行比较,直到计算值与实测值的误差满足一定的范围)。模型参数主要有两类，一类是具有物理意义的水文特性参数，这类参数与流域初始水文条件相关性较大，如土地利用类型、土壤类型、土壤含水量等条件，参数率定能够使这类参数更加符合预报区的水文特性；另一类参数不具有物理意义，很难通过数学物理分析的方法来推算，一般需要在特定的参数范围内通过率定的方式来获取最优值，如马斯京根模型(一种模拟河道内水流从上游演进到下游的水文模型)中参数x，这类参数只能通过参数率定来得到最优值，两类参数都需要率定以后才能在模型中发挥作用。合理的模型参数能够为水文模型的运行提供可靠的保证，所以参数率定是水文建模过程中十分重要的一环。模型的参数率定方法较多，如遗传算法、粒子群算法、差分进化算法、单变量梯度法等。参数率定根据率定场次的多少，分为单场率定和多场率定。单场率定的目的是找出一场洪水最优参数，多场率定就是要找到适用于该流域每场洪水的最优参数。因为水文参数都有一定的敏感性(敏感性是指在水文模型得到最优解范围时，参数随初始水文条件变化幅度的大小)，在参数率定的过程中需要分析参数的敏感性。参数的敏感性分析一般采用贝叶斯方法、SCE-UA算法、GLUE方法等，HEC-HMS模型自带有参数敏感性分析工具。
对一个特定的流域来说，任何水文模型的参数值并不是一成不变的。对于利用水文模型进行的洪水预报而言，影响洪水过程的一些水文参数的取值会随流域初始水文条件在很小的范围内变化，而另一些参数会由于初始水文条件，如洪水发生时间是否在汛期(汛期是指江河中由于流域内季节性降水、融冰、化雪，引起定时性水位上涨的时期)、降雨中心的不同、流域土壤含水量的不同等客观因素导致变化范围较大。不同的天气情况、不同的土壤情况等客观因素都会影响参数取值，从而影响洪水预报结果，所以洪水预报模型在选用参数时必须考虑这些客观因素。而现有的预报技术都是沿用一套固定的参数，所选用的参数经过连续率定满足流域最优，但忽略了影响洪水预报模型中参数的客观因素，不能反应不同敏感性参数对预报结果的影响，导致其预报精度都不是很高。
洪水预报精度评价方式根据《水文情报预报规范(GB/T 22482-2008)》中规定的利用确定性系数来评价，其计算公式如下：
式中：DC为确定性系数；yc为预报值；yo为实测值；为实测平均值；n为实测值的数量。确定性系数范围在0到1之间，值越大表示预报效果越好，预报精度越高。
发明内容
本发明的目的旨在解决已有技术存在的问题，提供一种更加合理的选择洪水预报模型参数的方法，本方法根据水文相似性原理，利用模型已经率定出来的参数，依靠前期雨量选择用于下一场洪水预报的参数。可避免在洪水预报中因为模型参数选取不合理所造成的预报精度不高的问题。
本发明所采用的技术方案为：
一种基于前期雨量优选参数的洪水预报方法，其特征在于，该方法包括以下步骤：
(1)根据预报区内有资料记录以来的河道流量资料统计出该地区所有洪水场次，记录下洪水发生时间和洪水流量值；然后根据该地区逐日降雨量资料统计出预报区内所有场次历史洪水发生前预报区内各水文站点的前1、3和7天的前期降雨量值PH1、PH3、PH7；
(2)根据步骤(1)统计得到的历史洪水发生时间确定洪水是发生在汛期还是非汛期，将洪水分为汛期组和非汛期组，然后选择一种水文模型作为洪水预报模型，并对预报区进行洪水预报模型构建；
(3)对步骤(1)中统计出来的每场历史洪水进行单场参数率定，得到每场洪水的一套参数；然后对步骤(2)中统计出的汛期和非汛期两组场次洪水分别进行连续参数率定，得到两套参数，一套用于汛期的洪水，另外一套用于非汛期的洪水；通过对参数的敏感性判定，将每套参数中的参数分为高敏感性和低敏感性两类参数；
(4)预报区水文监测站点实时监测并记录逐日降雨数据，当监测到到一次降雨时将开始统计此次降雨的前1、3和7天的前期降雨量PP1、PP3、PP7；
(5)利用欧几里德贴近度公式计算由步骤(4)统计出的本次降雨前1、3和7天的前期降雨量与步骤(1)得出的历史洪水1、3、7天前期降雨量的贴近度，计算所用的欧几里德贴近度x公式如下：
式中：PHi为历史洪水的前i天的降雨量，PPi为本次降雨的前i天的降雨量，i＝1，3，7；将贴近度最小值作为影响洪水预报模型中参数的客观因素指标；
(6)对步骤(2)构建的洪水预报模型中的高敏感性参数选用与本次降雨的前期降雨量贴近度最小的那场历史洪水的高敏感性参数，低敏感性参数选用由步骤(3)统计出来汛期组或非汛期组的低敏感性参数；
(7)利用步骤(6)中已选好参数的洪水预报模型进行洪水预报，并统计出预报结果的精度。
本发明所采用的技术方案相对于现有技术带来的有益效果；引入最新降雨资料来做洪水预报，合理优选出洪水预报模型中参数，提高了水文模型在洪水预报应用中的准确性和实用性。针对水文模型在参数选择时忽视客观影响因素的问题，本方法提供了一种合理、效果较好的解决方案。准确的洪水预报对防汛抢险、水资源合理利用与保护、水利工程建设和调度运用管理，及工农业的安全生产意义重大。
附图说明
图1本发明方法总体流程框图。
图2本发明方法优选组洪水预报结果和普通组预报结果对比图。
具体实施方式
为使本发明的目的、优点及技术方案更加清晰,下面结合附图和实例对本发明的具体实施方式做详细说明。
本发明提出的一种基于前期雨量优选参数的洪水预报方法，该方法能够为洪水预报模型提供较为合理的水文模型参数，使洪水预报更为准确；该方法如图1所示，包括以下步骤：
(1)根据预报区内有资料记录以来的河道流量资料统计出该地区所有洪水场次，记录下洪水发生时间和洪水流量值；然后根据该地区逐日降雨量资料统计出预报区内所有场次历史洪水发生前预报区内各水文站点的前1、3和7天的前期降雨量值PH1、PH3、PH7；
(2)(预报区所在流域将洪水发生时期划分汛期和非汛期,在我国各流域的汛期大致划分如下：珠江流域：4-9月，长江流域：5-10月，淮河流域：6-9月，黄河流域：6-10月，海河流域：6-9月，辽河流域：6-9月，松花江流域：6-9月，其它月份为非汛期。)根据步骤(1)统计得到的历史洪水发生时间确定洪水是发生在汛期还是非汛期，将洪水分为汛期组和非汛期组，然后选择一种水文模型(常用的水文模型有：新安江模型、TOPMODEL、HEC-HMS模型、TANK模型、萨克拉门托模型等)作为洪水预报模型，并对预报区进行洪水预报模型构建；
(3)对步骤(1)中统计出来的每场历史洪水进行单场参数率定，得到每场洪水的一套参数(本领域规定的各种参数)；然后对步骤(2)中统计出的汛期和非汛期两组场次洪水分别进行连续参数率定，得到两套参数(一套用于汛期的洪水，另外一套用于非汛期的洪水)；通过对参数的敏感性判定，将每套参数中的参数分为高敏感性和低敏感性两类参数；
(4)预报区水文监测站点实时监测并记录逐日降雨数据，当监测到到一次降雨时将开始统计此次降雨的前1、3和7天的前期降雨量PP1、PP3、PP7；
(5)利用欧几里德贴近度公式计算由步骤(4)统计出的本次降雨前1、3和7天的前期降雨量与步骤(1)得出的历史洪水1、3、7天前期降雨量的贴近度，计算所用的欧几里德贴近度x公式如下：
式中：PHi为历史洪水的前i天的降雨量，PPi为本次降雨的前i天的降雨量，i＝1，3，7；将贴近度最小值作为影响洪水预报模型中参数的客观因素指标(贴近度的值越小表示两组洪水的前期降雨数据越相近，即表示两次洪水发生时预报地区的初始水文条件最相似，影响洪水预报模型中参数的客观因素最接近。)；
(6)对步骤(2)构建的洪水预报模型中的高敏感性参数选用与本次降雨的前期降雨量贴近度最小的那场历史洪水的高敏感性参数，低敏感性参数选用由步骤(3)统计出来汛期组或非汛期组的低敏感性参数；
(7)利用步骤(6)中已选好参数的洪水预报模型进行洪水预报，并统计出预报结果的精度。
现以某水库入库洪水预报的实地验证为实施例对本方法进行说明：
(1)根据该水库流域内有资料记录以来的河道流量资料统计出该地区所有洪水场次，记录下洪水发生时间和洪水流量值。然后根据该地区逐日降雨量资料统计出内所有场次历史洪水发生前预报区内各水文站点的前1天、3天和7天的前期降雨量值PH1、PH3、PH7，统计结果见表1。
表1.本实施例水库流域历史洪水前期雨量统计表
(2)首先根据预报地区所在流域将步骤(1)中的历史洪水划分汛期和非汛期，根据该地区的地理位置确定预报地区隶属于珠江流域，4-9月为汛期，其余月份为非汛期。根据步骤(1)统计得到的历史洪水发生时间确定洪水是发生在汛期还是非汛期，将洪水分为汛期组和非汛期组，本实施例的洪水全部发生在汛期，所以只有汛期组参数。然后选择HEC-HMS水文模型作为洪水预报模型，并对该流域进行洪水预报模型构建。
(3)步骤(2)中的洪水预报模型建好后，参数率定方法采用单变量梯度法。首先对步骤(1)中统计出来的每场历史洪水进行参数率定，得到每场洪水的一套参数，参数率定结果见表2。
表2.洪水参数率定结果
然后对步骤(2)中统计出的汛期组洪水进行参数率定，得到汛期组参数(本实施例的洪水全部发生在汛期，所以只有汛期组参数)，参数率定结果见表3。
表3.按洪水发生时间分组率定结果
利用HEC-HMS模型的参数敏感性分析工具对参数进行敏感性分析，找出高敏感性和低敏感性两类参数，结果见表4。
表4.参数敏感性分析结果
(4)当该流域水文监测站点监测到降雨时，监测装置将降雨数据实时回传，此时对回传的逐日降雨数据统计此次降雨的前1、3和7天的前期降雨量PP1、PP3、PP7，统计结果见表5。
表5.某次径流的前期雨量统计结果
(5)利用欧几里德贴近度公式计算由步骤(4)统计出的本次降雨前1、3和7天的前期降雨量与步骤(1)统计出的历史洪水1、3、7天前期降雨量的贴近度。计算所用的欧几里德贴近度x公式如下：
式中：PHi为历史洪水的前i天的降雨量，PPi为本次降雨的前i天的降雨量，i＝1，3，7；贴近度的值越小表示两组洪水的前期降雨数据越相近，即表示两次洪水发生时对参数影响的客观因素最接近，统计结果见表6，根据表6，贴近度最小的是6号洪水，即发生在2010年4月17的洪水。
表6.贴近度统计
| 历史洪水编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 贴近度 | 98.44 | 220.13 | 161.14 | 92.30 | 88.64 | 59.60 | 106.95 |
(6)步骤(2)中的洪水预报模型中高敏感性参数选用与本次降雨前期降雨量最接近的2010年4月17发生的洪水由步骤(3)统计出高敏感性参数。低敏感性参数选用洪水发生时期所对应的汛期组由步骤(3)统计出来的低敏感性参数。
(7)利用步骤(6)中已选好参数的洪水预报模型进行洪水预报。利用优选组参数作为优选预报和汛期组参数作为普通预报，预报结果见表7和图2。图2中，实线代表实测值，虚线代表优选组预报值，点划线代表普通组预报值。两组预报精度见表8，由该表可知，优选组的确定性系数要比普通组高出0.08，经过本方法优选参数后的优选组预报模型预报效果要比普通预报方法精度更高。
表7.优选组和普通组预报洪水过程结果
表8.优选组和普通组预报结果确定性系数表
| 分组 | 确定性系数 |
| 普通组 | 0.79 |
| 优选组 | 0.87 |
Claims (1)
1.一种基于前期雨量优选参数的洪水预报方法，其特征在于，该方法包括以下步骤：
(1)根据预报区内有资料记录以来的河道流量资料统计出该地区所有洪水场次，记录下洪水发生时间和洪水流量值；然后根据该地区逐日降雨量资料统计出预报区内所有场次历史洪水发生前预报区内各水文站点的前1、3和7天的前期降雨量值PH1、PH3、PH7；
(2)根据步骤(1)统计得到的历史洪水发生时间确定洪水是发生在汛期还是非汛期，将洪水分为汛期组和非汛期组，然后选择一种水文模型作为洪水预报模型，并对预报区进行洪水预报模型构建；
(3)对步骤(1)中统计出来的每场历史洪水进行单场参数率定，得到每场洪水的一套参数；然后对步骤(2)中统计出的汛期和非汛期两组场次洪水分别进行连续参数率定，得到两套参数，一套用于汛期的洪水，另外一套用于非汛期的洪水；通过对参数的敏感性判定，将每套参数中的参数分为高敏感性和低敏感性两类参数；
(4)预报区水文监测站点实时监测并记录逐日降雨数据，当监测到到一次降雨时将开始统计此次降雨的前1、3和7天的前期降雨量PP1、PP3、PP7；
(5)利用欧几里德贴近度公式计算由步骤(4)统计出的本次降雨前1、3和7天的前期降雨量与步骤(1)得出的历史洪水1、3、7天前期降雨量的贴近度，计算所用的欧几里德贴近度x公式如下：
式中：PHi为历史洪水的前i天的降雨量，PPi为本次降雨的前i天的降雨量，i＝1，3，7；将贴近度最小值作为影响洪水预报模型中参数的客观因素指标；
(6)对步骤(2)构建的洪水预报模型中的高敏感性参数选用与本次降雨的前期降雨量贴近度最小的那场历史洪水的高敏感性参数，低敏感性参数选用由步骤(3)统计出来汛期组或非汛期组的低敏感性参数；
(7)利用步骤(6)中已选好参数的洪水预报模型进行洪水预报，并统计出预报结果的精度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611170777.8A CN106845771B (zh) | 2016-12-16 | 2016-12-16 | 一种基于前期雨量优选参数的洪水预报方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611170777.8A CN106845771B (zh) | 2016-12-16 | 2016-12-16 | 一种基于前期雨量优选参数的洪水预报方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106845771A true CN106845771A (zh) | 2017-06-13 |
| CN106845771B CN106845771B (zh) | 2018-12-21 |
Family
ID=59139482
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611170777.8A Expired - Fee Related CN106845771B (zh) | 2016-12-16 | 2016-12-16 | 一种基于前期雨量优选参数的洪水预报方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106845771B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107609335A (zh) * | 2017-09-22 | 2018-01-19 | 中国水利水电科学研究院 | 一种基于合成流量和形状拟合的洪水预报方法 |
| CN108304668A (zh) * | 2018-02-11 | 2018-07-20 | 河海大学 | 一种结合水文过程数据和历史先验数据的洪水预测方法 |
| CN109059875A (zh) * | 2018-06-28 | 2018-12-21 | 中国水利水电科学研究院 | 一种驱动完美模型开展月尺度径流预报的方法 |
| CN110428586A (zh) * | 2019-07-08 | 2019-11-08 | 大连理工大学 | 基于前期降雨和上下游拓扑关系的农村基层洪涝预警方法 |
| CN110619432A (zh) * | 2019-09-17 | 2019-12-27 | 长江水利委员会水文局 | 一种基于深度学习的特征提取水文预报的方法 |
| CN110648007A (zh) * | 2018-06-26 | 2020-01-03 | 中国电力科学研究院有限公司 | 一种降雨预报指数校正方法和系统 |
| CN110991046A (zh) * | 2019-12-04 | 2020-04-10 | 浙江大学 | 一种基于响应面函数的排水系统内涝风险快速预警方法 |
| CN111126699A (zh) * | 2019-12-25 | 2020-05-08 | 华中科技大学 | 一种考虑降雨量等级的水文预报方法及系统 |
| CN111598724A (zh) * | 2020-05-19 | 2020-08-28 | 四川革什扎水电开发有限责任公司 | 一种中小水库入库流量日前预测的分时段集成方法 |
| CN111815043A (zh) * | 2020-06-30 | 2020-10-23 | 中国科学院地理科学与资源研究所 | 一种基于暴雨特征的洪水流量预测方法及系统 |
| CN111861014A (zh) * | 2020-07-23 | 2020-10-30 | 广东省水文局梅州水文分局 | 一种分布式单位线洪水预报方法 |
| CN112464493A (zh) * | 2020-12-10 | 2021-03-09 | 中国电建集团昆明勘测设计研究院有限公司 | 基于topmodel模型的改进模型、区域径流和洪水风险设计的方法 |
| CN113762645A (zh) * | 2021-10-11 | 2021-12-07 | 昆仑(重庆)河湖生态研究院(有限合伙) | 一种自然灾害预报方法及装置 |
| CN113821999A (zh) * | 2017-11-21 | 2021-12-21 | 中国水利水电科学研究院 | 一种用于推求设计洪水的水文模型适用性评估方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040199410A1 (en) * | 2003-01-07 | 2004-10-07 | Hans Feyen | Method for evaluating flood plain risks |
| CN101794495A (zh) * | 2010-02-05 | 2010-08-04 | 国网电力科学研究院 | 洪水预报系统中实时校正模型的优选方法 |
| CN103150615A (zh) * | 2013-03-28 | 2013-06-12 | 中国水利水电科学研究院 | 径流预测方法 |
| CN104090974A (zh) * | 2014-07-18 | 2014-10-08 | 河海大学 | 展延水库后续来水的动态数据挖掘方法及系统 |
| CN104298841A (zh) * | 2013-07-16 | 2015-01-21 | 杭州贵仁科技有限公司 | 一种基于历史数据的洪水预报方法和系统 |
-
2016
- 2016-12-16 CN CN201611170777.8A patent/CN106845771B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040199410A1 (en) * | 2003-01-07 | 2004-10-07 | Hans Feyen | Method for evaluating flood plain risks |
| CN101794495A (zh) * | 2010-02-05 | 2010-08-04 | 国网电力科学研究院 | 洪水预报系统中实时校正模型的优选方法 |
| CN103150615A (zh) * | 2013-03-28 | 2013-06-12 | 中国水利水电科学研究院 | 径流预测方法 |
| CN104298841A (zh) * | 2013-07-16 | 2015-01-21 | 杭州贵仁科技有限公司 | 一种基于历史数据的洪水预报方法和系统 |
| CN104090974A (zh) * | 2014-07-18 | 2014-10-08 | 河海大学 | 展延水库后续来水的动态数据挖掘方法及系统 |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107609335A (zh) * | 2017-09-22 | 2018-01-19 | 中国水利水电科学研究院 | 一种基于合成流量和形状拟合的洪水预报方法 |
| CN107609335B (zh) * | 2017-09-22 | 2018-10-30 | 中国水利水电科学研究院 | 一种基于合成流量和形状拟合的洪水预报方法 |
| CN113821999B (zh) * | 2017-11-21 | 2022-11-01 | 中国水利水电科学研究院 | 一种用于推求设计洪水的水文模型适用性评估方法 |
| CN113821999A (zh) * | 2017-11-21 | 2021-12-21 | 中国水利水电科学研究院 | 一种用于推求设计洪水的水文模型适用性评估方法 |
| CN108304668A (zh) * | 2018-02-11 | 2018-07-20 | 河海大学 | 一种结合水文过程数据和历史先验数据的洪水预测方法 |
| CN108304668B (zh) * | 2018-02-11 | 2021-07-09 | 河海大学 | 一种结合水文过程数据和历史先验数据的洪水预测方法 |
| CN110648007B (zh) * | 2018-06-26 | 2022-10-04 | 中国电力科学研究院有限公司 | 一种降雨预报指数校正方法和系统 |
| CN110648007A (zh) * | 2018-06-26 | 2020-01-03 | 中国电力科学研究院有限公司 | 一种降雨预报指数校正方法和系统 |
| CN109059875A (zh) * | 2018-06-28 | 2018-12-21 | 中国水利水电科学研究院 | 一种驱动完美模型开展月尺度径流预报的方法 |
| CN110428586B (zh) * | 2019-07-08 | 2021-01-05 | 大连理工大学 | 基于前期降雨和上下游拓扑关系的农村基层洪涝预警方法 |
| CN110428586A (zh) * | 2019-07-08 | 2019-11-08 | 大连理工大学 | 基于前期降雨和上下游拓扑关系的农村基层洪涝预警方法 |
| CN110619432B (zh) * | 2019-09-17 | 2022-08-30 | 长江水利委员会水文局 | 一种基于深度学习的特征提取水文预报的方法 |
| CN110619432A (zh) * | 2019-09-17 | 2019-12-27 | 长江水利委员会水文局 | 一种基于深度学习的特征提取水文预报的方法 |
| CN110991046A (zh) * | 2019-12-04 | 2020-04-10 | 浙江大学 | 一种基于响应面函数的排水系统内涝风险快速预警方法 |
| CN111126699A (zh) * | 2019-12-25 | 2020-05-08 | 华中科技大学 | 一种考虑降雨量等级的水文预报方法及系统 |
| CN111126699B (zh) * | 2019-12-25 | 2022-06-17 | 华中科技大学 | 一种考虑降雨量等级的水文预报方法及系统 |
| CN111598724A (zh) * | 2020-05-19 | 2020-08-28 | 四川革什扎水电开发有限责任公司 | 一种中小水库入库流量日前预测的分时段集成方法 |
| CN111598724B (zh) * | 2020-05-19 | 2022-07-22 | 四川革什扎水电开发有限责任公司 | 一种中小水库入库流量日前预测的分时段集成方法 |
| CN111815043A (zh) * | 2020-06-30 | 2020-10-23 | 中国科学院地理科学与资源研究所 | 一种基于暴雨特征的洪水流量预测方法及系统 |
| CN111815043B (zh) * | 2020-06-30 | 2024-02-02 | 中国科学院地理科学与资源研究所 | 一种基于暴雨特征的洪水流量预测方法及系统 |
| CN111861014A (zh) * | 2020-07-23 | 2020-10-30 | 广东省水文局梅州水文分局 | 一种分布式单位线洪水预报方法 |
| CN111861014B (zh) * | 2020-07-23 | 2021-03-16 | 广东省水文局梅州水文分局 | 一种分布式单位线洪水预报方法 |
| CN112464493A (zh) * | 2020-12-10 | 2021-03-09 | 中国电建集团昆明勘测设计研究院有限公司 | 基于topmodel模型的改进模型、区域径流和洪水风险设计的方法 |
| CN112464493B (zh) * | 2020-12-10 | 2023-03-07 | 中国电建集团昆明勘测设计研究院有限公司 | 基于topmodel模型的改进模型、区域径流和洪水风险设计的方法 |
| CN113762645A (zh) * | 2021-10-11 | 2021-12-07 | 昆仑(重庆)河湖生态研究院(有限合伙) | 一种自然灾害预报方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106845771B (zh) | 2018-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106845771A (zh) | 一种基于前期雨量优选参数的洪水预报方法 | |
| Yang et al. | Regional frequency analysis and spatio-temporal pattern characterization of rainfall extremes in the Pearl River Basin, China | |
| CN105741549B (zh) | 一种基于空间copula理论的交通流量预测方法 | |
| Wang et al. | Quantifying the change in streamflow complexity in the Yangtze River | |
| Ranjan et al. | HEC-HMS based rainfall-runoff model for Punpun river basin | |
| CN114970377B (zh) | 基于新安江与深度学习耦合模型的场次洪水预报方法和系统 | |
| Zhang et al. | Calibration of Conceptual Rainfall‐Runoff Models Using Global Optimization | |
| Singh et al. | Rainfall-runoff modeling using MIKE 11 NAM model for Vinayakpur intercepted catchment, Chhattisgarh | |
| CN106598918B (zh) | 基于分位数回归的非一致性设计洪水计算方法 | |
| Huang et al. | Effect of Three Gorges Dam on Poyang Lake water level at daily scale based on machine learning | |
| CN114219131A (zh) | 一种基于lstm的流域径流预测方法 | |
| Lin et al. | Surface runoff response to climate change based on artificial neural network (ANN) models: a case study with Zagunao catchment in Upper Minjiang River, Southwest China | |
| Luo et al. | Bias correction of a gauge-based gridded product to improve extreme precipitation analysis in the Yarlung Tsangpo–Brahmaputra River basin | |
| Gui et al. | Simulation-based inexact fuzzy semi-infinite programming method for agricultural cultivated area planning in the Shiyang River Basin | |
| Shah et al. | Exploring the factors affecting streamflow conditions in the Han River basin from a regional perspective | |
| CN103810401B (zh) | 一种人类活动影响分离的二维径流还原方法 | |
| Herath et al. | Evaluation of HEC-HMS model for water resources management in Maha Oya Basin in Sri Lanka | |
| Shakarami et al. | Disaggregating the effects of climatic variability and dam construction on river flow regime | |
| Luo et al. | Assessment of multiple dam-and sluice-induced alterations in hydrologic regime and ecological flow | |
| Ma et al. | Intensification of drought propagation over the Yangtze River basin under climate warming | |
| Wang et al. | Impact of climate change on hydrologic extremes in the Upper Basin of the Yellow River Basin of China | |
| Yen et al. | Applications of Explicitly Incorporated/Post‐Processing Measurement Uncertainty in Watershed Modeling | |
| Li et al. | Simulation effect evaluation of single-outlet and multi-outlet calibration of Soil and Water Assessment Tool model driven by Climate Forecast System Reanalysis data and ground-based meteorological station data–a case study in a Yellow River source | |
| Lin et al. | Improving calibration of two key parameters in Hydrologic Engineering Center hydrologic modelling system, and analysing the influence of initial loss on flood peak flows | |
| Shoghli et al. | Evaluating the Effect of Climate Change on the Design Parameters of Embankment Dams: Case Studies Using Remote Sensing Data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181221 Termination date: 20211216 |